使用正则表达式从字符串中最后一次出现的字符开始匹配答案

【问题标题】：Matching from the last occurence of a character in a string with Regex使用正则表达式从字符串中最后一次出现的字符开始匹配
【发布时间】：2014-05-25 21:21:42
【问题描述】：

是的，我知道，不要用正则表达式解析 html。也就是说：

我正在尝试在第一个标签中带有“标题”一词的任何标签之间捕获内容。

我开始：

(?P<QUALIFY_TITLE><(.*?)(title)(.*?)>)(.*?)?(?<CAPTURE>KnownTermIWant)(.*?)(\<\/.*?>)

命名组捕获是我正在寻找的已知单词/字符串。为了研究，我还捕获了 QUALIFY_TITLE 名称组。我这样做是因为我不想要字符串/术语，除非我以这种方式“限定”它。

但是，如果我的 html 部分看起来像这样：

<div class="wwm"><div class="inbox"><input name="language-id" type="hidden" id="language-id" value="" /><input name="widget-page-handle" type="hidden" id="widget-page-handle" value="wwm4widget_post" /><input name="email-page-handle" type="hidden" id="email-page-handle" value="wwm4widget_emailpopup" /><div id="divWidget" style="display: block;" class="vhWidget"> <div id="divShareLink" style="display: block;" class="shareLink"><div id="divTitle" class="title">KnownTermIWant</title>

虽然我得到了我想要的 CAPTURE 字符串 (KnownTermIWant)，但 Qualify 字符串从第一个 "

我试图让 QUALIFY_TITLE 从标题之前的最后一个“

<div id="divTitle

甚至

<div id="divTitle" class="title">

但我目前正在接受

【问题讨论】：

标签： regex

【解决方案1】：

问题在于，正则表达式搜索将尝试在第一个可能的机会匹配，并且非贪婪量词（*? 而不是*）不会影响某事是否匹配。例如，给定字符串abcd，正则表达式.*?d 将匹配整个事物，因为.*? 仍将尽可能匹配以确保正则表达式匹配。

你明白我的意思吗？

所以你需要让你的子表达式更精确；例如，你应该写<([^>]*)(title)([^>]*)>，而不是<(.*?)(title)(.*?)>。

【讨论】：

【解决方案2】：

问题

这里只有一个问题，你完全符合你的要求:)

过程

如果您只想匹配最后一个标签，请问自己这个问题：

“前面的每个标签里面都有什么，但我想要的标签里面没有？”

结论

答案是打开/关闭标签本身：

(?P<QUALIFY_TITLE><([^<>]*?)(title)(.*?)>)(.*?)?(?<CAPTURE>KnownTermIWant)(.*?)(\<\/.*?>)
                    ^^^^^

【讨论】：

【解决方案3】：

您的代码非常混乱，但我将以更简化的方式回答标题中的问题：

在此示例代码中：

<div>Example text<div>Foo bar</div> Hello world <div>Lorem ipsum</div></div> hi

如果你想从 first <div> 匹配到 last </div>，你可以使用一个贪婪的量词，例如 + 或 @ 987654326@:

/<div>(.*)<\/div>/

这将匹配整个字符串，直到最后一个 </div>。

Demo

如果这不能回答您的问题，则正则表达式的复杂性会很快变得更高（对于额外的要求，它的复杂程度会成倍增加），所以就像您在第一行中所说的那样，只需使用解析器即可。

【讨论】：

事实上我正试图做相反的事情；匹配第一个
或者在我的情况下是第一个 bla MATCH something 的模式或具有 Example text 的匹配项Foo bar Hello world
Lorem ipsum

匹配